Sustav za detekciju pješaka temeljen na dubokom učenju

diplomski rad

• Naslov (engleski): Pedestrian Detection System Based on Deep Learning
• Autor: Filip Gobin
• Mentor: Zoran Kalafatić (mentor)
• Član povjerenstva: Zoran Kalafatić (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Tomislav Hrkać (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2016-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu prikazana je detekcija pješaka temeljena na konvolucijskim neuronskim mrežama koristeći Faster R-CNN sustav. Faster R-CNN je prvo istreniran nad ImageNet bazom slika a zatim je fino ugađan nad slikama pješaka. U radu su testirane dvije baze pješaka, INRIA i Caltech te su prikazani i opisani rezultati detekcije.

Sažetak (engleski)

This thesis deals with pedestrian detection in images based on convolutional neural networks using Faster R-CNN system. Faster R-CNN is trained on ImageNet image set and then fine-tuned on pedestrian images using two datasets: INRIA and Caltech. In the last part of work results and possible improvements are briefly discussed.

• Ključne riječi: Konvolucijske neuronske mreže; R-CNN; Fast R-CNN; Faster R-CNN; Prepoznavanje pješaka; ImageNet; INRIA; Caltech; Računalni vid; Raspoznavanje uzoraka
• Ključne riječi (engleski): Convolutional neural networks; R-CNN; Fast R-CNN; Faster R-CNN; pedestrian detection; ImageNet; INRIA; Caltech; computer vision; pattern recognition
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:976635
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 08:55:32